こちら

2011 年 10 月 2２日じっくり勉強すれば身につく統計入門第 3 回
基礎セミナー
じっくり勉強すれば身につく統計入門
「基本に戻ろう基本統計量とデータの比較」，「基本に戻ろう：回帰モデルとモデルの推定，
回帰直線モデル‐誤差を考慮した推定‐」に引き続き，第 9 回定例会に先立って第 3 回の基礎
セミナーを企画しました．テーマは，回帰分析の応用（共分散分析）です．通称グリーン本「医
薬品開発のための統計解析－じっくり勉強すれば身につく統計解析－」シリーズ第 2 部実験
計画の 4 章共分散分析を題材にします．共分散分析は，回帰分析の応用の一例で臨床開発の
様々な場面で日常的に使われていますが，一昔前は計算が厄介で敬遠されがちでした．最近で
は Excel の分析ツールでも誰にでも簡単に解析ができるようになりました．統計をじっくりと
勉強して身に付けたいと思われる方々の参加をお待ちしています．
基本に戻ろう：共分散分析の基礎
杉本典子
「共分散分析は，難しい統計手法なので良くわからない．できれば避けたい」と思われてい
るのは，身近な事例での活用場面が思い浮かばないためかと思われます．そこで，「3 つの会社
を取り上げ，年収を比較して就職先を検討するための参考にしたい」との場面を設定しました．
それぞれの会社からランダムに選んだ従業員 10 人の給与と年齢がデータとして得られていま
す．給与データについて 1 元配置分散分析に引き続き，多重比較にて判断して後悔しないので
しょうか．この事例について，Excel に LINEST 関数を用いて多面的な観点から解析し，結果
をどのように解釈したらよいのかを丁寧に解説します．
基本に戻ろう：医薬品開発における共分散分析の例
橘田久美子（シミックバイオリサーチセンター）
事例 1：
卵巣摘出ラットに低カルシウム飼料を与えて作成した骨粗鬆症モデルラットを用い
て，4 種類の生理活性物質の効果を調べた．ラット大腿骨の破断強度の観測値は，骨の実質的
な強度ばかりでなく太さの影響を受けていると考えられる．しかし，大腿骨の太さを一定にし
て実験することはできない．体重を大腿骨の大きさ（長さと太さ）の指標と見なし，その影響
を調整して大腿骨の強度を比較したい．
事例 2：
2 種類の降圧剤投与後の血圧の変化を比較したい．投与前の血圧と投与後の血圧の
差（変化量）について t 検定をしたのだが，投与前値を共変量とする解析の方が有意差が付き
やすいとの話を聞いたのだが，ほんとうか．投与前値の血圧が高いと血圧の下がり方が大きい
ことも知られている．これを加味して解析をしたいと思うのだが，どうすればいいのだろうか．
1
2011 年 10 月 2２日じっくり勉強すれば身につく統計入門第 3 回
2
じっくり勉強すれば身につく
統計解析入門
共分散分析
杉本典子
1
はじめに
グリーン本
「じっくり勉強すれば身につ
く統計入門」がテーマ。
医薬の分野で統計的方法
を適用する際の基本的な
考え方を説明しており、入
門者向け。
→本日は第2部４章
ダウンロード先
http://www.scientistpress.com/12_278.html
2
3
今回の発表の前提として
共分散分析は回帰分析や分散分析の拡張なので，
その基本知識があることを前提としています。
ご紹介したグリーン本のテキストの以下が参考
回帰分析
第１部 4.3 回帰モデルとモデルの推定
分散分析
第２部 1 質的因子の１因子実験
3
発表内容
共分散分析の目的
(1)単純な例
4
4
１．共分散分析の目的
5
(1) 会社の年収の例
年収データ
因子A として3つの会社を取り上げて年収を比較．
A1,A2, A3社の年収調査（10人をランダムに選択）
年収が高い会社はどこか？
6
5
箱ひげ図と平均をみてみよう
・平均ではA1 ≒ A2 ＜ A3
・箱ひげ図からも同じ関係が見られる．
これから，
A1 社，A2 社の年収はほぼ同じで，
A3 社の年収はA1、A2 社に比べて高いと
判断することは妥当でだろうか？
7
もう少し考えてみよう！
年収に影響する因子（例えば年齢）は3社で揃ってい
るだろうか
↓
年齢が高い方が年収は高いはず
比較したいもの（年収）以外の因子（年齢など）が
会社間で揃っていないと比較の結果に
偏り（バイアス）が生じる
⇒年収は年齢によって異なるので，対象者の年齢も
合わせて調査してみると
6
8
年収データ
年収の比較調査の結果
会社によって平均年齢に差のあることが分かる
散布図(JMP)
9
A3
A1
A2
楕円は点の50% が含ま
れると期待される楕円
1.いずれも右上がり、年齢とともに年収増
2. A2(X)はA1(○)を右に移動した位置
⇒同年齢で比較したら、年収 A2(X) ＜ A1(○) ？
3. A3(△)はA1 (○)を右上に移動した位置
⇒同年齢で比較したら、年収は差がなさそう
単に年収だけの比較でなく、年齢も考慮して判断する必要がある。
⇒共分散分析
7
10
(2) 医薬品開発での例
例えば
医薬品の動物実験で投与量を制御因子とし実験する場合
実験動物の体重，投与前の血圧，血糖値など
⇒投与後の値や薬の効果に影響することが考えられる
⇒でも実験に使える動物は限られ値を制御不可
いろいろ問題はありますが、
でも、動物の個体差の影響を除いて薬の効果を
精度良く推定したい．
11
でも、動物の個体差の影響を除いて薬の効果を
精度良く推定したい．
このような場合，
制御できないが計測はできる因子を
補助因子または共変量（Covariate）と呼ぶ
その影響を評価すると共に，
補助因子の影響を除いて
制御因子の効果を精度良く推定するための手法が
共分散分析法（Analysis of Covariance，略してANCOVA）
12
8
２．解析手順
13
(1) 平均年収の単純な比較
年収だけを考え「1 因子実験データ」での解析結果を示す．
Se
A1社を基準にしてA2,A3 社と比較した結果
1 ⎞
⎛1
⎜ Ve + Ve ⎟ 等分散仮
n ⎠ 定して全
⎝n
⎛2 ⎞
= ⎜ Ve ⎟
⎝n ⎠
A1社とA2社には差がないが，
A1社とA3社には差がありそう（有意傾向）
9
⎛ 2
⎞
= ⎜ × 7126 ⎟
⎝ 10
⎠
= 37.8
てのデー
タで計算
Se＝
√Ve
14
２つの問題点
Ｏ年収平均の差には，
年齢の違いによる影響が含まれる．
⇒年収に差があると結論を誤る危険があり
Ｏ分散分析の残差平方和Se = 192410 の中には
年齢による年収の違いの影響が含まれる．
15
(2) 年齢と年収の関係
まずはグラフ化しよう x：年齢，y：年収
＋：各会社
平均年齢
平均年収の座標
（点の重心位置）
・年齢と年収の間には強い関係がある
・3本の直線は平行に近い → 傾きの大きさx 係数はほぼ等しい．
・会社間で平均年齢に差が見られる（A2社低い）
⇒年齢を揃えて比較する必要あり
・切片は0 歳の年収に相当（現実には意味がない）
10
16
(3) 傾きを共通とする回帰直線
会社間で昇給直線の傾きに違いがある場合は，
どの年齢を基準として比較するかで結論が異なり，
問題が複雑
ここでは
昇給直線の傾きが同じであるという前提
を置く．
共分散分析の重要な仮定：極めて重要な前提
前提はグラフ、検定（この後）などで確認が必要！
17
傾きは同じであると仮定すると
⇒全社に共通の傾きを持った直線を求めることができる
⇒鉛直距離で各社の年収を比較できる！
11
18
傾きが共通でないと・・・
比較する年齢によって年収の差が異なる
年齢によって年収が異なる
⇒どこの年齢が基準？ ⇒問題が複雑になる
傾きが等しくない場合
19
傾きの求め方（回帰直線と比べてイメージをつかもう）
回帰直線：会社Aだけの傾きb1
20
12
共通の傾きの求め方：ステップ１
平均値を補正する
+
+
+
21
共通の傾きの求め方：ステップ２
共通の傾きb：会社A, B, C
3社のグラフを重合せたものから、全水準に共通な傾きを求める
22
13
今回はExcelで求めてみました
(実際の計算はソフトにまかせればいい)
直線 y = 16.203x
16.203 が共通の傾きを表す係数b に相当する．
23
各会社の年齢を補正した年収比較を「切片」で
どの年齢でも群間差が同じ
↓
切片がわかれば
比較がすぐできる！
24
14
切片を求めよう
各社の切片は0歳の年収（仮想）
自分で計算するなら
を利用
例）A1社の場合で切片を求める
1000
900
800
年収
700
A２、A3社の
切片も同様に
求めると
600
A1
A2
A3
平均
500
400
A1: y=195.3 + 16.20x
A2: y=119.7 + 16.20x
A3: y=201.3 + 16.20x
300
200
100
0
10
20
30
40
50
年齢
25
計算結果まとめると・・・
結果から，
・ A2 社はA1 社より平均年収が75.6 低い
・ A3 社はA1 社より平均年収が6.0 高い
これは平均年収の単純な差，すなわち，
平均年齢の差を無視した解析の結果とは異なる．
26
15
(4) 分散分析
目的：
年齢の影響を考慮し解析すると，
推定精度と検出力を高められるといわれている
⇒ここではその理由を探ります
平方和の分解で考えてみたいと思います
27
通常の1 因子実験の分散分析表
手持ちソフトetc
全体の平方和226441
＝会社間の平方和34031 ＋残差の平方和192410
28
16
年齢も含めて解析
残差平方和は64976
１因子の結果と比べると192410 − 64976 = 127434 小さい
127434 は，会社間だけのモデルに年齢を加えることにより残差平方和が
減少した量である．
29
もし、会社＋年齢のモデルから会社を除くとどうなる？
年齢だけのモデルをあてはめた結果
年齢を加えることで説明できる平方和
年齢を加えることで説明できる平方和
会社を加えることで説明できる平方和
会社をることで説明できる平方和
・残差平方和の変化量39101
会社＋年齢モデルから会社を除くと減った分＝会社の寄与分
・残差平方和の変化量127434
30
会社＋年齢モデルから年齢を除くと減った分
＝
年齢の寄与分
17
共分散分析の分散分析表を作成
年齢を加えることで説明できる平方和
年齢を加えることで説明できる平方和
会社を加えることで説明できる平方和
会社をることで説明できる平方和
「会社間」＋「年齢」≒「会社＋年齢」
31
目的：年齢の影響を考慮し解析
⇒推定精度と検出力を高められる
ここではその理由を説明します
回答：
残差の平方和を自由度で割った平均平方が，
検定や区間推定に用いられる
⇒共分散分析は年齢の影響を誤差から除いたため，
検出力を高め，信頼区間の幅を狭くすることができる．
32
18
(5) 傾きの差の検定
共分散分析の前提：傾きが等しい
前提が成立は次の解析で確認することができる．
各水準（会社）ごと回帰直線あてはめる
このときの残差平方和を計算すると・・・
Excelで計算
33
表示 4.2.10 各社ごとの解析
b
se(b)
R^2,sd
F,fe
SR,Se
A1社
16.419 188.133
5.760 191.765
0.504 65.392
8.126
8
34749.0 34209.4
A2社
16.905
2.633
0.837
41.212
51010.1
LINEST関数
93.371
99.373
35.182
8
9902.0
A3社
15.343 233.120
3.807 141.773
0.670 50.792
16.242
8
41900.9 20638.7
残差平方和
合計：64750.1
共分散分析
各回帰直線の残差平方和の合計：64750
共分散分析表の残差平方和：64976
64976 − 64750 = 226 と小さくなっている。
→この差が傾きの違いによる平方和に対応する．
19
34
ソフトで計算： JMPの場合
会社間で傾斜が等しいかどうかを検定により確認
JMPの場合「会社* 年齢」のp 値をみます。
0.959 で棄却されない．すなわち，共分散分
析の前提（傾きが等しい）を満足していると
判断される．
35
(6) 共分散分析の利点
補助因子を取り上げることにより得られる利点
a) 水準間で補助因子の平均値が異なる場合、
バイアスを除いて制御因子の効果を偏りなく推定する。
・補助因子を考慮しないとき制御因子が有意だが、
補助因子を考慮すると制御因子が有意でなくなる場合がある
⇒制御因子の効果と思われていたものが、実は補助因子の平均値の差によるもの。
・逆に補助因子を考慮すると、制御因子の効果を発見できる場合もある。
b) 共分散分析は、補助因子の変化による平方和を残差から
分離することで、残差平方和を少なくすることができる。
⇒ 制御因子の効果の検出力を向上する。
20
36
単純層別分布（年齢を無視）
散布図でみてる１因子実験
共分散分析の理解のためのグラフ
年齢３５に移動した層
別分布
この平均の比較が共
分散分析の解析
・平均年齢の違いによる平均年収の違いが補正された
・標準偏差が小さくなった
37
(７) 共分散分析の適用上の注意
医薬開発の動物実験
・実験に先だち体重や血液分析値などを計測する．
・水準で値の平均が等しくなるよう動物を割りを工夫する
→でも完全に等しくすることはできない．
・よって、体重等の違いの影響を誤差から除くため初期体重を
補助因子し共分散分析が適用する
薬を投与後の体重(終期体重)を補助因子としたら？
体重増加量（終期体重－初期体重）を補助因子にしたら？
ということも考えてしまうかも
21
38
因果の繋がりをグラフでこの問題にあてはめて図で考える
薬剤投与
(制御因子）
効果(副作用）
薬剤投与
(制御因子）
効果(副作用）
体重増加
(補助因子？？）
初期体重
(補助因子）
右図：薬の投与が成長（体重増加）を阻害し，寿命を縮める副作用
が表われるという関係とする。
この場合，体重増加量(補助因子)が寿命を減少させた主原因のモデ
ルが良くあてはまるが、寿命を短くする副作用が表面に表われない．
この解析から，併用投与で体重増加量されないようにして，副作用(寿
命を短くする)を抑制するという発想が生まれるかもしれない
しかし、この論理の展開には危険を伴います。
補助因子は実験で取り上げた制御因子の影響を受けないものに限定
する，すなわち，実験に先だって計測された量に限る！
39
・また収縮期と拡張期の血圧のような場合には，
2つを補助因子とするより，
両者の差を補助因子とするのが良い
・共分散分析は広い適用範囲を持っているが，
活用するためには共分散分析を使いこなす
統計技術だけでなく，固有技術を駆使する必要がある．
22
40
まとめ
41
23
24
!"#$%&'()*+,-./0123456
1-1
789:;<=&>?@ABCDEF6GHI7JK
LGMNOP
(QRF6S)
1-2
789:;<=&>?@ABCDEF6GHI7JK
LGMNOP
(TRF6S)
2
UNaVW?UXY:;<HI=&>?ZM
NOP
([?\]:;<S^__`)
2
25
<1-1> aGa
C
CaSHHI789:;<=&>C4
Q(D1, D2, D3, D4) 7C 7JKLSOP
HI (!0>"-<#C$% 5 #&)'
=&> 7JKL()*+7aQR]L,S]@7-
./C0G^_12, 7-C34Ha5G+
67S8'
95S'-./CD:HIJKL, #;MNCOPH?\
G^_I'
=&>AB+ 7< (-=) >?G@]5G2S<S8
A\'
95S, GH9./CBCH@ 7aQR]
LCOP5G'
D# 7 E=&>CFGaCH]@=&>ABC x@JKL
(I106 dyne) C y GH)4H@J 1-1KNCLI'
3
<1-1> a;-1
JU 1-1
;-1GVWT
1
2
3
4
5
6
7
x (g)
D1
Control
x
y
x
y
232
7.6
250
9.6
282
11.0
278
11.4
279
10.5
257
9.3
255
7.4
245
6.9
251
8.1
254
8.6
258
9.4
295
12.9
290
9.6
217
6.3
263.9 9.09 256.6 9.29
20.6
1.42
24.8
2.33
0.816
0.949
0.056
0.089
y ×10^6 dyne)
D2
D3
D4
x
y
x
y
x
y
279
12.9
253
10.3
264
12.8
281
12.2
248
8.5
258
11.9
270
10.5
258
9.8
302
12.5
249
8.2
252
9.3
235
9.0
263
11.9
302
12.9
256
10.6
270
10.1
290
11.5
243
10.0
246
9.5
273
11.8
273
13.1
265.4 10.76 268.0 10.59 261.6 11.41
13.7
1.66
21.0
1.55
21.9
1.56
0.814
0.920
0.779
0.099
0.068
0.056
MNOP; 0.779Q0.949 R MNNO2ST1.
X<
; 0.056Q0.099
26
4
<1-1> ;-1Y=Z[
JU1-2
\]^_, #`GaG
HG]H?\` ???
SH?\
5
<1-1> – LINEST
0*12@34567C89I:O;67C89I
:_I)*<*=S>`[\`@C12
2? Excel LINESTC\GL
]S
+, 1-1
;-1G-.T (/)
Control
1
2
3
4
5
6
7
x
y
232
7.6
282
11.0
279
10.5
255
7.4
251
8.1
258
9.4
290
9.6
263.9
9.09
20.6
1.42
0.816
0.056
52 () /< () C
= LINEST ( y , x , , TRUE)
CH@CtrlShift -C Enter C'+&'
!
x se
R^2
F$
%& (SR)
0.056
0.018
0.667
9.997
8.032
-5.767
4.710
0.896
5
4.017
y "#
se
sd
'(L
)*%& (Se)
6
27
<1-1> 0*12 – 345
+,1-3
34567C89I:
b
se(b)
R^2,sd
F,fe
SR,Se
Control
0.056
0.018
0.667
9.997
8.032
b
se(b)
R^2,sd
F,fe
SR,Se
D3
0.068
0.013
0.846
27.380
12.150
-5.767
4.710
0.896
5
4.017
-7.575
3.480
0.666
5
2.219
b
se(b)
R^2,sd
F,fe
SR,Se
D1
0.089
0.013
0.901
45.736
29.485
-13.663
3.407
0.803
5
3.223
b
se(b)
R^2,sd
F,fe
SR,Se
D4
0.056
0.020
0.607
7.724
8.905
-3.166
5.262
1.074
5
5.764
b
se(b)
R^2,sd
F,fe
SR,Se
D2
0.099
0.032
0.662
9.799
10.990
-15.515
8.402
1.059
5
5.607
)*%&:? 20.830
'(L?
25
7
<1-1> 0*12 – @%-A
367C89I@
]F6S+"
!Control, D1, D2, D3GIQR
yij
D4
ij
D4
#
Control, D1, D2, D3G
IQR]F6C LINEST
SIQRF6C
_
yij
= + MN D4 + ij
S
8
28
<1-1> 2 – %-
D4
D2
D4
D2
D3
cont.
D3
D1
D1
= cont.
cont. =0
CGHI
1 (Control!) Cont. C
9
<1-1>2 – %-
D4
D2
BC:;<!SG
D3
0
D1
yij = + D2
D3
D4
D1
cont. =0
cont.
Cont.!
D1!
+ ij D2!
D3!
D4!
1 (Control!) Cont. C
10
29
<1-1>2 – %-
0
D1
yij = + D2
D3
D4
= + D1
+ ij
0
1
0
0
0
+ D2
D1!
0
0
+ + D4 0
0
1
0
0
1
0
0
D2!
D4!
+ ij
!"#$%&'()* 2 +,-#./0"1
11
<1-1> 2 – "!
#1-4
$%C&'(I:
1
2
Cont.
Cont.
D1
0
0
D2
0
0
8
9
D1
D1
1
1
0
0
16
17
D2
D2
0
0
1
1
25
26
D3
D3
0
0
0
0
34
35
D4
D4
0
0
0
0
D3 D4
0
0
0
0
0
0
0
0
0
0
0
0
1
0
1
0
0
1
0
1
x
232
282
y
7.6
11.0
250
278
9.6
11.4
281
270
12.2
10.5
252
302
9.3
12.9
243
273
10.0
13.1
G! = Control
5)*6+ (,) -./<
(/012) C34
5
= LINEST ( y 12, x 12, , TRUE)
C0H@CtrlShift 6-C
Enter C'+&'
5
7!
12
30
<1-1> 2 – "!
#1-4
$%C&'(I:
b
se(b)
R^2,sd
F,fe
SR,Se
x
0.072
0.008
0.796
22.590
94.249
D4
2.493
0.489
0.913
29
24.198
D3
1.203
0.489
#N/A
#N/A
#N/A
D2
1.559
0.488
#N/A
#N/A
#N/A
D1
0.723
0.492
#N/A
#N/A
#N/A
const.
-9.849
2.154
#N/A
#N/A
#N/A
89:: 24.198@;(L:29
#1-5
2
! 20.830
"# 24.198
3.368
25
0.833
29
4
0.842
F
p
1.0104
0.4209
234" 5 67)89:;<=#>"1
p0.2<
]
S
]SB
C
13
<1-1> 1-4
CI ()
?@
x
D4
D3
D2
D1 const.
F,fe 22.590
29 #N/A #N/A #N/A #N/A
SR,Se 94.249 24.198 #N/A #N/A #N/A #N/A
)=?@
D4
D3
D2
D1 const.
F,fe 2.328
30 #N/A #N/A #N/A
SR,Se 28.055 90.391 #N/A #N/A #N/A
1-6
)=?@
x const.
F,fe 47.654
33
SR,Se 69.984 48.463
$%
&'(
&'
)
*
94.249
24.265
66.193
24.198
118.447
5
4
6.07
1
66.19
29
0.83
34
31
F
p
7.270
79.328
1.000
0.0003
0.0000
D
)EFG
(Z+AB) + D
)ABC
75 – 1 = 34
(+
))ABC
A – 14
<1-1> 1-4
CI ()
?@
x
D4
D3
D2
D1 const.
F,fe 22.590
29 #N/A #N/A #N/A #N/A
SR,Se 94.249 24.198 #N/A #N/A #N/A #N/A
)=?@
D4
D3
D2
D1 const.
F,fe 2.328
30 #N/A #N/A #N/A
SR,Se 28.055 90.391 #N/A #N/A #N/A
1-6
)=?@
x const.
F,fe 47.654
33
SR,Se 69.984 48.463
$%
&'(
&'
)
*
94.249
24.265
66.193
24.198
118.447
5
4
6.07
1
66.19
29
0.83
34
F
p
)EFGHABC
(Z+AB) – AB
7.270
79.328
1.000
0.0003
0.0000
)EFGHABC
(Z+AB) – Z
15
<1-1> 1-6
$%
&'(
&'
)
*
94.249
24.265
66.193
24.198
118.447
5
4
6.07
1
66.19
29
0.83
34
F
p
7.270
79.328
1.000
0.0003
0.0000
Z$ p = 0.0003 " UL#%
Z$GAB$ ! = 90.458
Z + AB$ ! = 94.249
16
32
<1-2> TRF6
1-1 S,FQRF6 (Z-.]) C^
_I
S@,FTR]F6S/I, [?\
'0=\` ?
$%&'&0>(-<, D1, D2, D3, D4
" )*T 0, 2, 4, 6, 8 mg/kg `_^_+
17
<1-2> TRF6
1-8
CI
1
2
dose
0
0
8
9
2
2
16
17
4
4
25
26
6
6
34
35
8
8
x
232
282
250
278
281
270
252
302
243
273
y
7.6
11.0
9.6
11.4
12.2
10.5
9.3
12.9
5)3+ (122) -3/<C44
5
= LINEST ( y 52, x 52, , TRUE)
C6H@CtrlShift 7-C Enter C
'+&'
5
89
x
dose
const.
b
0.070
0.274
-9.380
se(b)
0.008
0.056
2.119
R^2,sd
0.768
0.928 #N/A
F,fe
52.828
32 #N/A
SR,Se
90.912
27.534 #N/A
10.0
13.1
18
33
<1-2> TRF6
Dose + ABdoseAB:QRF6G;I(<S
:S
1-9 $%
dose(
90.912
dose
20.929
66.071
)
27.534
LOF
3.336
+,-
24.198
*
118.447
2
1
20.93
1
66.07
32
0.86
3
1.11
29
0.83
34
F
p
24.323
76.787
1.000
0.0000
0.0000
F
p
1.333
1.000
0.4689
^_+?\
19
<1-2> TRF6
1-9
$%
dose(
dose
)
LOF
+,-
*
90.912
20.929
66.071
27.534
3.336
24.198
118.447
1-6
2
1
1
32
3
29
34
$%
&'(
&'
)
*
94.249
24.265
66.193
24.198
118.447
5
4
1
29
34
Z$ !;(L = 24.2654
dose$ !;(L = 20.9291
=> dose ?MNCG?@H
I=G)`[\`@] dose I`[
` @G\
(Lack
of Fit, LOF) CH
20
34
<1-2> TRF6
1-9 $%
dose(
90.912
dose
20.929
66.071
)
27.534
LOF
3.336
+,-
24.198
*
118.447
1-6
2
1
20.93
1
66.07
32
0.86
3
1.11
29
0.83
34
$%
&'(
&'
)
*
94.249
24.265
66.193
24.198
118.447
5
4
1
29
34
F
p
24.323
76.787
1.000
0.0000
0.0000
F
p
1.333
1.000
0.4689
\ LOF C*I+
( !)S@1-6
S
G"#
!$H
LOF%&`[\`C'(
@doseMNCS
I)G
*S+I`[\``
,;-1S p = 0.4689 G%&S]
[email protected] (dose) GMN/1G
21
0]H
?@G`
<2> aAGaA<
1RUXY]2=&>C2034&H@25
67YZ A1A2MNCOPaAC)]I
aA8XY z C(H, aA8XY9S
:G]?\9C)]I
=&>CUNaVW;S<=H
UXY:;<=&>C
>?HI
UXY:;<>?@XY x@ 7YZ-.@XY y C
(H
@>NCAI
22
35
<2> aA;-1
2-1
7YZA1, A2MNOP;-1
A1
1
2
3
4
5
6
7
8
9
10
A2
z
x
y
d=y-x
z
x
y
d=y-x
./0 120 123 456 ./0 120 123 456
135
159
158
-1
133
181
162
-19
96
127
126
-1
127
162
149
-13
111
142
137
-5
160
188
173
-15
95
146
134
-12
102
130
122
-8
136
157
148
-9
100
127
110
-17
157
183
176
-7
145
186
159
-27
122
149
136
-13
110
137
129
-8
122
141
131
-10
117
173
141
-32
154
189
177
-12
116
143
124
-19
130
167
151
-16
140
150
144
-6
125.8 156.0 147.4
-8.6
125.0 157.7 141.3
-16.4
23
<2> B]
2-2
7YZA1, A2MNOP;-1
123 (y)
A1
A2
147.4
141.3
-6.1
2964.4 3616.1 6580.5
9
9
18
365.6
t
-0.713
p
0.485
456 (d)
A1
A2
-8.6
-16.4
-7.8
230.4
632.4
862.8
9
9
18
47.9
-2.519
0.021
)?\]aA?;-1AI
y (IJK)
-.@XY y
d (JKL)
XYCBT d = yCx
S?GC^_@2Z
XY (y2. – y1.)
XYT (d2. – d1.)
R`[\`\
36
$234"
$234MN
24
<2> CDETG
2-3
xCGyGdD
XY (x) U[
XY (y) U
XY (x) U[
XY T (d) !"E#$
25
%"CG&'H@
XY (x) CDEF6GHH0
<2> 2-4
A2
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
x
159
127
142
146
157
183
149
141
189
167
181
162
188
130
127
186
137
173
143
150
(N
d
-1
-1
-5
-12
-9
-7
-13
-10
-12
-16
-19
-13
-15
-8
-17
-27
-8
-32
-19
-6
y
158
126
137
134
148
176
136
131
177
151
162
149
173
122
110
159
129
141
124
144
yC)R*G+
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
y = 15.590 +
x
0.845
0.069
0.902
78.184
6103.0
12.313
0.000
0.000
-7.536
A2
-7.536
2.796
6.247
17
663.5
-2.695
0.015
+ 0.845 x
const
15.590
10.886
#N/A
#N/A
#N/A
1.432
0.170
=
15.590
+ 0.845 x
8.054
2,YZ A1 G A2 MN
7.536 p = 0.015
]S
I p = 0.485?G
-]I CT_I
GS?U]I.
26
37
<2> +, 2-4
-N
yC)RG
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
x
0.845
0.069
0.902
78.184
6103.0
12.313
0.000
dC)RG
A2
-7.536
2.796
6.247
17
663.5
-2.695
0.015
const
15.590
10.886
#N/A
#N/A
#N/A
1.432
0.170
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
x
-0.155
0.069
0.431
6.450
503.5
-2.260
0.037
A2
-7.536
2.796
6.247
17
663.5
-2.695
0.015
const
15.590
10.886
#N/A
#N/A
#N/A
1.432
0.170
y C)RGS, d C)RGS
A2 !"!#$%&'
A2p&'
[()&CH*G]'
27
O<P
=&>./7JKL012.345Q67
MNCOPC*, 7<$
T
CABSDH () DC
'
QRF6I8%-CH@LINEST
?EXCELSAR]CHI'
29 YZCOPa!CGH
"#]OPC$]IG, %&'CDETGH
C$]ICOPH, ,(CHI.
28
38
表示1-1 データと基本統計量
1
2
3
4
5
6
7
平均
標準偏差
相関係数
傾き
表示1-3 各群別々に直線を当てはめた場合
x ラット体重(g)
D1群
Control
x
y
x
y
232
7.6
250
9.6
282
11.0
278
11.4
279
10.5
257
9.3
255
7.4
245
6.9
251
8.1
254
8.6
258
9.4
295
12.9
290
9.6
217
6.3
263.9 9.09 256.6 9.29
20.6
1.42
24.8
2.33
0.816
0.949
0.056
0.089
y 破断強度（×10^6 dyne)
D3群
D4群
x
y
x
y
x
y
279
12.9
253
10.3
264
12.8
281
12.2
248
8.5
258
11.9
270
10.5
258
9.8
302
12.5
249
8.2
252
9.3
235
9.0
263
11.9
302
12.9
256
10.6
270
10.1
290
11.5
243
10.0
246
9.5
273
11.8
273
13.1
265.4 10.76 268.0 10.59 261.6 11.41
13.7
1.66
21.0
1.55
21.9
1.56
0.814
0.920
0.779
0.099
0.068
0.056
D2群
b
se(b)
R^2,sd
F,fe
SR,Se
Control群
0.056
0.018
0.667
9.997
8.032
b
se(b)
R^2,sd
F,fe
SR,Se
D3群
0.068
0.013
0.846
27.380
12.150
-5.767
4.710
0.896
5
4.017
-7.575
3.480
0.666
5
2.219
b
se(b)
R^2,sd
F,fe
SR,Se
D1群
0.089
0.013
0.901
45.736
29.485
-13.663
3.407
0.803
5
3.223
b
se(b)
R^2,sd
F,fe
SR,Se
D4群
0.056
0.020
0.607
7.724
8.905
-3.166
5.262
1.074
5
5.764
b
se(b)
R^2,sd
F,fe
SR,Se
表示1-5 傾きの差の検定
表示1-2 層別散布図，群ごとの回帰直線と平均
平方和
各群別々 20.830
各群共通 24.198
差 3.368
14.0
破断強度(×10^6 dyne)
13.0
12.0
11.0
x
263.9
256.6
265.4
268.0
261.6
y
9.09
9.3
10.8
10.6
11.4
10.0
9.0
8.0
Control
D2群
D4群
7.0
6.0
210
230
250
270
ラット体重(g)
290
D1群
D3群
重心
310
39
F比
自由度平均平方
25
0.833
29
4
0.842
1.0104
p値
0.4209
D2群
0.099
0.032
0.662
9.799
10.990
-15.515
8.402
1.059
5
5.607
表示1-4 共通の直線を当てはめた場合
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
群
Cont.
Cont.
Cont.
Cont.
Cont.
Cont.
Cont.
D1
D1
D1
D1
D1
D1
D1
D2
D2
D2
D2
D2
D2
D2
D3
D3
D3
D3
D3
D3
D3
D4
D4
D4
D4
D4
D4
D4
D1
0
0
0
0
0
0
0
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
D2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
D3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
0
0
0
0
0
0
0
D4
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
x
232
282
279
255
251
258
290
250
278
257
245
254
295
217
279
281
270
249
263
270
246
253
248
258
252
302
290
273
264
258
302
235
256
243
273
表示1-6 分散分析表
y
7.6
11.0
10.5
7.4
8.1
9.4
9.6
9.6
11.4
9.3
6.9
8.6
12.9
6.3
12.9
12.2
10.5
8.2
11.9
10.1
9.5
10.3
8.5
9.8
9.3
12.9
11.5
11.8
12.8
11.9
12.5
9.0
10.6
10.0
13.1
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
下限
上限
薬剤*体重を考慮
x
D4
0.072
2.493
0.008
0.489
0.796
0.913
22.590
29
94.249
24.198
8.907
5.101
0.000
0.000
0.055
1.493
0.088
3.492
D3
1.203
0.489
#N/A
#N/A
#N/A
2.457
0.020
0.202
2.204
D2
1.559
0.488
#N/A
#N/A
#N/A
3.191
0.003
0.560
2.558
D1
0.723
0.492
#N/A
#N/A
#N/A
1.470
0.152
-0.283
1.729
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
下限
上限
薬剤のみ考慮
D4
D3
2.329
1.500
0.928
0.928
0.237
1.736
2.328
30
28.055
90.391
2.510
1.617
0.018
0.116
0.434
-0.395
4.223
3.395
D2
1.671
0.928
#N/A
#N/A
#N/A
1.801
0.082
-0.223
3.566
D1
0.200
0.928
#N/A
#N/A
#N/A
0.216
0.831
-1.695
2.095
const.
9.086
0.656
#N/A
#N/A
#N/A
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
下限
上限
体重のみ考慮
x
const.
0.072
-8.802
0.010
2.764
0.591
1.212
47.654
33
69.984
48.463
6.903
0.000
0.051
0.094
40
const.
-9.849
2.154
#N/A
#N/A
#N/A
要因
薬剤＋体重
薬剤
体重
残差
全体
F比
平方和自由度平均平方
94.249
5
24.265
4
6.07
7.270
66.193
1
66.19
79.328
24.198
29
0.83
1.000
118.447
34
p値
0.0003
0.0000
表示1-7 データと基本統計量
x ラット体重(g)
0 mg/kg
2 mg/kg
x
y
x
y
1
232
7.6
250
9.6
2
282
11.0
278
11.4
3
279
10.5
257
9.3
4
255
7.4
245
6.9
5
251
8.1
254
8.6
6
258
9.4
295
12.9
7
290
9.6
217
6.3
平均
263.9 9.09 256.6 9.29
標準偏差 20.6
1.42
24.8
2.33
0.816
0.949
相関係数
0.056
0.089
傾き
dose
y 破断強度（×10^6 dyne)
4 mg/kg
6 mg/kg
8 mg/kg
x
y
x
y
x
y
279
12.9
253
10.3
264
12.8
281
12.2
248
8.5
258
11.9
270
10.5
258
9.8
302
12.5
249
8.2
252
9.3
235
9.0
263
11.9
302
12.9
256
10.6
270
10.1
290
11.5
243
10.0
246
9.5
273
11.8
273
13.1
265.4 10.76 268.0 10.59 261.6 11.41
13.7
1.66
21.0
1.55
21.9
1.56
0.814
0.920
0.779
0.099
0.068
0.056
41
表示1-8 共通の直線を当てはめた場合
dose+体重を考慮
dose
x
y
x
dose
const.
b
1
0
232
7.6
0.070
0.274
-9.380
2
0
282
11.0
se(b)
0.008
0.056
2.119
3
0
279
10.5
R^2,sd
0.768
0.928 #N/A
4
0
255
7.4
F,fe
52.828
32 #N/A
5
0
251
8.1
SR,Se
90.912
27.534 #N/A
t
8.763
4.932
-4.427
6
0
258
9.4
7
0
290
9.6
p
0.000
0.000
0.000
8
2
250
9.6
下限
0.054
0.161 -13.696
9
2
278
11.4
上限
0.087
0.387
-5.064
10
2
257
9.3
11
2
245
6.9
doseのみ考慮
12
2
254
8.6
dose
const.
b
13
2
295
12.9
0.298
9.034
14
2
217
6.3
se(b)
0.101
0.493
15
4
279
12.9
R^2,sd
0.210
1.684
16
4
281
12.2
F,fe
8.758
33
17
4
270
10.5
SR,Se
24.841
93.606
t
2.959
18.322
18
4
249
8.2
19
4
263
11.9
p
0.006
0.000
20
4
270
10.1
下限
0.093
8.031
21
4
246
9.5
上限
0.503
10.037
22
6
253
10.3
23
6
248
8.5
体重のみ考慮
24
6
258
9.8
x
const.
25
6
252
9.3
b
0.072
-8.802
26
6
302
12.9
se(b)
0.010
2.764
27
6
290
11.5
R^2,sd
0.591
1.212
28
6
273
11.8
F,fe
47.654
33
29
8
264
12.8
SR,Se
69.984
48.463
t
6.903
30
8
258
11.9
31
8
302
12.5
p
0.000
32
8
235
9.0
下限
0.051
33
8
256
10.6
上限
0.094
34
8
243
10.0
35
8
273
13.1
表示1-9 分散分析表
要因
dose＋体重
dose
体重
残差
LOF
純粋誤差
全体
平方和
90.912
20.929
66.071
27.534
3.336
24.198
118.447
F比
自由度平均平方
2
1
20.93
24.323
1
66.07
76.787
32
0.86
1.000
3
1.11
29
0.83
34
p値
F比
p値
1.333
1.000
0.4689
0.0000
0.0000
表示1-6 分散分析表
要因
薬剤＋体重
薬剤
体重
残差
全体
平方和
94.249
24.265
66.193
24.198
118.447
F比
自由度平均平方
5
4
6.07
7.270
1
66.19
79.328
29
0.83
1.000
34
p値
0.0003
0.0000
42
A1
1
2
3
4
5
6
7
8
9
10
平均
表示 2-3 投与前値 x を横軸とする
y と d (=y-x) の散布図
A2
z
x
y
d=y-x
z
x
y
d=y-x
実験前投与前投与後変化量実験前投与前投与後変化量
135
159
158
-1
133
181
162
-19
96
127
126
-1
127
162
149
-13
111
142
137
-5
160
188
173
-15
95
146
134
-12
102
130
122
-8
136
157
148
-9
100
127
110
-17
157
183
176
-7
145
186
159
-27
122
149
136
-13
110
137
129
-8
122
141
131
-10
117
173
141
-32
154
189
177
-12
116
143
124
-19
130
167
151
-16
140
150
144
-6
125.8
156.0
147.4
-8.6
125.0
157.7
141.3
-16.4
190
170
160
150
140
130
120
110
100
120
表示 2-2 血圧の変化量(d)の違いの検定
140
160
x
180
200
0
変化量 (d)
A1
A2
差
-8.6
-16.4
-7.8
230.4
632.4
862.8
9
9
18
47.9
-2.519
0.021
-5
-10
-15
-20
d
平均
平方和
自由度
平均平方
t値
p値
投与後 (y)
A1
A2
差
147.4
141.3
-6.1
2964.4 3616.1 6580.5
9
9
18
365.6
-0.713
0.485
A1
A2
180
y
表示 2-1 降圧剤 A1, A2 の効果の比較データ
-25
-30
-35
-40
120
43
A1
A2
140
160
x
180
200
表示 2-4 共分散分析の結果
x
159
127
142
146
157
183
149
141
189
167
181
162
188
130
127
186
137
173
143
150
d
-1
-1
-5
-12
-9
-7
-13
-10
-12
-16
-19
-13
-15
-8
-17
-27
-8
-32
-19
-6
y
158
126
137
134
148
176
136
131
177
151
162
149
173
122
110
159
129
141
124
144
20
d を目的変数とする解析
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
x
-0.155
0.069
0.431
6.450
503.5
-2.260
0.037
A2
-7.536
2.796
6.247
17
663.5
-2.695
0.015
10
const
15.590
10.886
#N/A
#N/A
#N/A
1.432
0.170
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
A2
-7.536
2.796
6.247
17
663.5
-2.695
0.015
-10
-20
A1
-30
A2
-40
y を目的変数とする解析
x
0.845
0.069
0.902
78.184
6103.0
12.313
0.000
A1
A2
0 15.5902 8.05386
200 -15.4229 -22.9593
0
d
A2
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
表示 2-5 投与前値 x を横軸とする d の散布図
0
const
15.590
10.886
#N/A
#N/A
#N/A
1.432
0.170
44
50
100
x
#
150
200
x-z
159
127
142
146
157
183
149
141
189
167
181
162
188
130
127
186
137
173
143
150
24
31
31
51
21
26
27
19
35
37
48
35
28
28
27
41
27
56
27
10
y
A1 A2
158
126
137
134
148
176
136
131
177
151
162
149
173
122
110
159
129
141
124
144
d=y-x
A1 A2
-1
-1
-5
-12
-9
-7
-13
-10
-12
-16
-19
-13
-15
-8
-17
-27
-8
-32
-19
-6
表示 2-6 投与前値 x を横軸とする d の散布図
0
-5
y = -0.2774(x-z)
-10
-15
d
薬剤
A
A
A
A
A
A
A
A
A
A
B
B
B
B
B
B
B
B
B
B
x
-20
y = -0.5047(x-z)
-25
A1
-30
A2
-35
0
20
x-z
40
60
45
表示 2-7 LINEST関数による解析結果
A2 x-z-z)A2
d
(x-z)A2
x-z const
0 24
0 -1
b -0.227 -0.277 0.000
0 31
0 -1
se(b) 0.066 0.049 #N/A
0 31
0 -5
R^2,sd 0.902 4.844 #N/A
0 51
0 -12
F,fe 82.468
18 #N/A
0 21
0 -9
SR,Se 3869.7 422.3 #N/A
0 26
0 -7
t -3.470 -5.698 #N/A
0 27
0 -13
p 0.003 0.000 #N/A
0 19
0 -10
0 35
0 -12
0 37
0 -16
1 48 48 -19
1 35 35 -13
1 28 28 -15
1 28 28 -8
1 27 27 -17
1 41 41 -27
1 27 27 -8
1 56 56 -32
1 27 27 -19
1 10 10 -6
A1
1
2
3
4
5
6
7
8
9
10
平均
表示 2-3 投与前値 x を横軸とする
y と d (=y-x) の散布図
A2
z
x
y
d=y-x
z
x
y
d=y-x
実験前投与前投与後変化量実験前投与前投与後変化量
135
159
158
-1
133
181
162
-19
96
127
126
-1
127
162
149
-13
111
142
137
-5
160
188
173
-15
95
146
134
-12
102
130
122
-8
136
157
148
-9
100
127
110
-17
157
183
176
-7
145
186
159
-27
122
149
136
-13
110
137
129
-8
122
141
131
-10
117
173
141
-32
154
189
177
-12
116
143
124
-19
130
167
151
-16
140
150
144
-6
125.8
156.0
147.4
-8.6
125.0
157.7
141.3
-16.4
190
170
160
150
140
130
120
110
100
120
表示 2-2 血圧の変化量(d)の違いの検定
140
160
x
180
200
0
変化量 (d)
A1
A2
差
-8.6
-16.4
-7.8
230.4
632.4
862.8
9
9
18
47.9
-2.519
0.021
-5
-10
-15
-20
d
平均
平方和
自由度
平均平方
t値
p値
投与後 (y)
A1
A2
差
147.4
141.3
-6.1
2964.4 3616.1 6580.5
9
9
18
365.6
-0.713
0.485
A1
A2
180
y
表示 2-1 降圧剤 A1, A2 の効果の比較データ
-25
-30
-35
-40
120
46
A1
A2
140
160
x
180
200
表示 2-4 共分散分析の結果
x
159
127
142
146
157
183
149
141
189
167
181
162
188
130
127
186
137
173
143
150
d
-1
-1
-5
-12
-9
-7
-13
-10
-12
-16
-19
-13
-15
-8
-17
-27
-8
-32
-19
-6
y
158
126
137
134
148
176
136
131
177
151
162
149
173
122
110
159
129
141
124
144
20
d を目的変数とする解析
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
x
-0.155
0.069
0.431
6.450
503.5
-2.260
0.037
A2
-7.536
2.796
6.247
17
663.5
-2.695
0.015
10
const
15.590
10.886
#N/A
#N/A
#N/A
1.432
0.170
b
se(b)
R^2,sd
F,fe
SR,Se
t
p
A2
-7.536
2.796
6.247
17
663.5
-2.695
0.015
-10
-20
A1
-30
A2
-40
y を目的変数とする解析
x
0.845
0.069
0.902
78.184
6103.0
12.313
0.000
A1
A2
0 15.5902 8.05386
200 -15.4229 -22.9593
0
d
A2
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
表示 2-5 投与前値 x を横軸とする d の散布図
0
const
15.590
10.886
#N/A
#N/A
#N/A
1.432
0.170
47
50
100
x
#
150
200
x-z
159
127
142
146
157
183
149
141
189
167
181
162
188
130
127
186
137
173
143
150
24
31
31
51
21
26
27
19
35
37
48
35
28
28
27
41
27
56
27
10
y
A1 A2
158
126
137
134
148
176
136
131
177
151
162
149
173
122
110
159
129
141
124
144
d=y-x
A1 A2
-1
-1
-5
-12
-9
-7
-13
-10
-12
-16
-19
-13
-15
-8
-17
-27
-8
-32
-19
-6
表示 2-6 投与前値 x を横軸とする d の散布図
0
-5
y = -0.2774(x-z)
-10
-15
d
薬剤
A
A
A
A
A
A
A
A
A
A
B
B
B
B
B
B
B
B
B
B
x
-20
y = -0.5047(x-z)
-25
A1
-30
A2
-35
0
20
x-z
40
60
48
表示 2-7 LINEST関数による解析結果
A2 x-z-z)A2
d
(x-z)A2
x-z const
0 24
0 -1
b -0.227 -0.277 0.000
0 31
0 -1
se(b) 0.066 0.049 #N/A
0 31
0 -5
R^2,sd 0.902 4.844 #N/A
0 51
0 -12
F,fe 82.468
18 #N/A
0 21
0 -9
SR,Se 3869.7 422.3 #N/A
0 26
0 -7
t -3.470 -5.698 #N/A
0 27
0 -13
p 0.003 0.000 #N/A
0 19
0 -10
0 35
0 -12
0 37
0 -16
1 48 48 -19
1 35 35 -13
1 28 28 -15
1 28 28 -8
1 27 27 -17
1 41 41 -27
1 27 27 -8
1 56 56 -32
1 27 27 -19
1 10 10 -6

Download Report